期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到903篇文章
< 1 2 … 46 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于DDE-BIT的无人机高速公路护栏损坏检测 被引量：2
1
作者 王洋 郭杜杜 帅洪波 《现代电子技术》 北大核心 2025年第4期123-129,共7页
针对现有方法对无人机高速公路护栏损坏检测存在边缘信息提取效果差、识别精度低的问题,提出一种基于深度学习的变化检测模型DDE-BIT。首先,采用深度可分离卷积优化主干网络Resnet18,减少模型的参数数量,降低计算成本;然后,在主干网络... 针对现有方法对无人机高速公路护栏损坏检测存在边缘信息提取效果差、识别精度低的问题,提出一种基于深度学习的变化检测模型DDE-BIT。首先,采用深度可分离卷积优化主干网络Resnet18,减少模型的参数数量,降低计算成本;然后,在主干网络输出部分引入ECA注意力模块,在仅增加少量参数的情况下提高模型的跨通道信息捕捉能力;最后,通过跳跃连接方式对BIT双时空图像转换器的输出特征进行堆叠,提高模型的上下文信息理解能力。以采集的无人机高速公路护栏损坏图像为实验数据,实验结果表明:DDE-BIT模型的交并比和F1分数分别为90.99%、95.28%,相较于原始模型分别提高了2.71%、1.51%,能够有效地提取护栏损坏的边缘信息。 展开更多
关键词 护栏损坏检测 无人机 ECA注意力机制 深度可分离卷积 图像处理 信息提取
在线阅读 下载PDF
一种改进的SAM-ShuffleNet明青花龙纹断代模型
2
作者 赵谦 屈佳伟 《现代电子技术》 北大核心 2025年第9期116-123,共8页
青花瓷作为瓷器中的明珠,其独特的纹饰承载着深厚的文化底蕴。在众多青花瓷纹饰中,明代龙纹颇具代表性,对明代前、中、后三期的青花瓷龙纹进行断代识别有着极高的历史文化研究价值。文中针对明代龙纹断代问题提出一种改进的深度学习模型... 青花瓷作为瓷器中的明珠,其独特的纹饰承载着深厚的文化底蕴。在众多青花瓷纹饰中,明代龙纹颇具代表性,对明代前、中、后三期的青花瓷龙纹进行断代识别有着极高的历史文化研究价值。文中针对明代龙纹断代问题提出一种改进的深度学习模型,该模型引入空间注意力机制(SAM)改进原网络ShuffleNetV2,能够捕获图像中的长距离依赖关系,用于增强模型的表达能力,并利用迁移学习策略、交叉熵损失函数和RMSProp自适应学习率优化器在青花瓷龙纹数据集上进行实验验证,用于准确年代鉴定。实验表明,在迭代100次、批次大小为16、学习率为0.001以及权重衰减为10-5的条件下,明代前、中、后期断代总体准确率为95.67%,召回率为95%,F1-Score为95%。与VGG16、ResNet18等8个模型对比,所提模型在识别准确率上显著提高,运算速度约是ResNet18的4.9倍,是VGG16的5.9倍,这证明该模型不仅实现了明代青花瓷龙纹的精确断代,还具备快速识别、体积紧凑的特点,为文化遗产保护和鉴定提供了新的技术方法。 展开更多
关键词 龙纹断代 深度学习 ShuffleNet 空间注意力机制 RMSProp 迁移学习策略
在线阅读 下载PDF
基于CNN-Transformer融合网络的红外图像超分辨率方法 被引量：3
3
作者 杨海航 万显荣 +1 位作者 周文洪 吴津 《现代电子技术》 北大核心 2025年第11期42-50,共9页
对于红外图像超分辨率问题,近年来基于CNN的方法和基于Transformer的方法都取得了有竞争力的结果。然而一定程度上,CNN和Transformer具有特征表示上的互补性。因此,为了结合两者的优势,文中提出一种包含双分支的CNN-Transformer特征融... 对于红外图像超分辨率问题,近年来基于CNN的方法和基于Transformer的方法都取得了有竞争力的结果。然而一定程度上,CNN和Transformer具有特征表示上的互补性。因此,为了结合两者的优势,文中提出一种包含双分支的CNN-Transformer特征融合网络(CTF-Net),有效融合了CNN的局部特征和Transformer的全局信息。具体来说,CNN分支提出使用残差内残差密集块作为特征提取主干,提取增强的局部特征。Transformer分支提出结合自注意力和通道注意力,捕获完整的空间和通道两个维度的全局信息。此外,针对红外图像高频信息相对不足的特点,引入有效的对比损失。通过远离模糊负样本并靠近锐化正样本,提高超分结果下限的同时,增强对高频特征的利用和恢复。大量实验表明,所提出的CTF-Net取得了最优的性能指标,生成的超分辨率图像边缘和纹理更清晰,进一步推动了红外成像技术的高质量应用。 展开更多
关键词 超分辨率 红外图像 CNN TRANSFORMER 特征融合 对比损失
在线阅读 下载PDF
基于多分类自适应聚焦损失与B-CNN的棉田昆虫细粒度图像分类研究 被引量：2
4
作者 郝月华 吕卫东 +1 位作者 张幽迪 冯俊磊 《现代电子技术》 北大核心 2025年第5期43-48,共6页
针对复杂背景下棉田昆虫细粒度图像分类问题,提出一种基于多分类自适应聚焦损失函数与双线性卷积神经网络(B-CNN)的研究方法。为更有效地提取图像特征,选取B-CNN作为主干网络,预训练的Inception V3作为特征提取网络,并加入了注意力机制C... 针对复杂背景下棉田昆虫细粒度图像分类问题,提出一种基于多分类自适应聚焦损失函数与双线性卷积神经网络(B-CNN)的研究方法。为更有效地提取图像特征,选取B-CNN作为主干网络,预训练的Inception V3作为特征提取网络,并加入了注意力机制CBAM模块。针对图像数据集类别不平衡的问题,设计了一种多分类自适应聚焦损失函数,提高模型对少数类别的识别能力。此外,在模型训练过程中加入L2正则化解决模型过拟合问题,使用Reduce LROn Plateau学习率调度器帮助模型达到最优解。实验结果显示,文中模型在验证集上的准确率达到97.52%,在测试集上的准确率达到97.14%,同时损失值、F1分数等评价指标也均优于其他对比模型。该研究不仅为棉田昆虫的图像分类提供了一种有效的技术手段,也为其他领域的细粒度图像分类问题提供了有益的参考。 展开更多
关键词 棉田昆虫 B-CNN 多分类自适应聚焦损失 InceptionV3 CBAM 细粒度图像分类
在线阅读 下载PDF
UMTransNet:结合U-Net和多尺度感知Transformer的图像拼接定位方法 被引量：1
5
作者 张维 何月顺 +3 位作者 谢浩浩 杨安博 杨超文 吕熊 《现代电子技术》 北大核心 2025年第1期33-39,共7页
当前基于深度学习的图像拼接定位方法大多只关注深层次特征,且感受野有限,忽略了浅层次特征,影响图像拼接定位的准确性。针对上述问题,文中提出一种结合改进U-Net和多尺度多视角Transformer的图像拼接定位网络UMTransNet。改进U-Net模... 当前基于深度学习的图像拼接定位方法大多只关注深层次特征,且感受野有限,忽略了浅层次特征,影响图像拼接定位的准确性。针对上述问题,文中提出一种结合改进U-Net和多尺度多视角Transformer的图像拼接定位网络UMTransNet。改进U-Net模型的编码器,将编码器中的最大池化层替换成卷积层,防止浅层次特征的流失;将多尺度多视角Transformer嵌入到U-Net的跳跃连接中,Transformer的输出特征与U-Net的上采样特征进行有效融合,实现深层次特征与浅层次特征的平衡,从而提高图像拼接定位的准确性。通过可视化检测结果图显示,所提方法在定位拼接篡改区域方面表现得更加出色。 展开更多
关键词 数字图像取证 图像拼接定位 U-Net 多尺度感知 自注意力机制 交叉注意力机制
在线阅读 下载PDF
改进Faster R-CNN的输电线路山火图像检测方法 被引量：1
6
作者 黄力 吴珈承 《现代电子技术》 北大核心 2025年第9期173-179,共7页
针对山火严重威胁输电线路安全的问题,提出一种改进Faster R-CNN的输电线路山火图像检测方法。选用ResNeSt50作为主干网络以提升模型性能,同时在主干网络后面加入递归特征金字塔(RFP)以增强模型在多尺度上的特征提取能力。采用CIoU Los... 针对山火严重威胁输电线路安全的问题,提出一种改进Faster R-CNN的输电线路山火图像检测方法。选用ResNeSt50作为主干网络以提升模型性能,同时在主干网络后面加入递归特征金字塔(RFP)以增强模型在多尺度上的特征提取能力。采用CIoU Loss回归损失函数以提高边界框回归速率和定位精度,使用Focal Loss分类损失函数以提高对小目标的烟雾和火焰检测精度。运用Kmeans++聚类算法对烟雾和火焰数据进行anchor尺寸优化,以提高算法的检测准确率。利用数据增强技术来解决图像数量不足和天气环境变化影响检测精度的问题。经过训练和测试,结果显示改进后的Faster RCNN方法在平均精度均值上达到了95.54%,比原模型提高了7.39%,能够有效识别输电线路附近产生的烟雾和火焰,满足山火检测准确性和实时性的要求。 展开更多
关键词 深度学习 山火检测 烟雾检测 Kmeans++ ResNeSt50 CIoU Loss Focal Loss RFP
在线阅读 下载PDF
基于Crowd-RetinaNet的拥挤行人检测
7
作者 韩鼎 喻春雨 +1 位作者 童亦新 张俊 《现代电子技术》 北大核心 2025年第11期34-41,共8页
文中以RetinaNet为基础,设计一种高效的用于拥挤行人检测的网络模型。为提高特征融合性能,利用坐标注意力特征融合(CAFF)进行跨层特征融合,实现尺度特征之间高质量的语义和位置细节信息交互;为提高目标检测性能,引入任务感知检测头(TaHe... 文中以RetinaNet为基础,设计一种高效的用于拥挤行人检测的网络模型。为提高特征融合性能,利用坐标注意力特征融合(CAFF)进行跨层特征融合,实现尺度特征之间高质量的语义和位置细节信息交互;为提高目标检测性能,引入任务感知检测头(TaHead)提升目标检测头的表征能力;为克服非极大值抑制算法(NMS)对遮掩目标的漏检问题,结合CrowdDet的多实例预测(MIP)算法,使用推土机距离损失算法(EMDLoss)进行模型训练,并使用Set NMS作为后处理方法,有效抑制多重冗余检测结果,最终设计出Crowd-RetinaNet拥挤行人检测模型。Crowd-RetinaNet在CrowdHuman数据集上进行训练,在CrowdHuman验证集上进行性能测试,对比改进前的RetinaNet在AP、MR-2指标上较基础模型分别改善了1.80%、3.32%,并在校园的拥挤场景中完成了性能较高的行人检测实验,实验结果表明该模型可以对行人进行精确检测,具有一定的实用性。 展开更多
关键词 行人检测 坐标注意力特征融合 信息交互 多实例预测 注意力机制 抑制算法
在线阅读 下载PDF
基于FNM-Net的轻量级遥感目标检测算法
8
作者 文斌 张俊 +2 位作者 王浚银 王子豪 丁弈夫 《现代电子技术》 北大核心 2025年第13期1-10,共10页
针对现阶段遥感目标检测精度低、速度慢、模型参数量大的问题,提出基于改进YOLOv7-tiny的FNM-Net轻量级遥感目标检测网络。首先,引入轻量级特征提取网络Faster-Net替换原有主干网络,避免网络对特征图的冗余覆盖;其次,引入焦点调制模块,... 针对现阶段遥感目标检测精度低、速度慢、模型参数量大的问题,提出基于改进YOLOv7-tiny的FNM-Net轻量级遥感目标检测网络。首先,引入轻量级特征提取网络Faster-Net替换原有主干网络,避免网络对特征图的冗余覆盖;其次,引入焦点调制模块,提出空间信息整合模块(SIIM)来构建新型路径聚合网络,解决特征融合过程中信息冗余和忽略层内特征的问题;然后,针对遥感目标尺度变化大的特点提出多细粒度检测头;最后,采用基于层自适应幅度剪枝(LAMP)评分的剪枝方法,修剪权值较小的连接,减少参数量和计算量并提高检测速度。该方法在公开数据集RSOD上进行验证,结果表明,相比基线模型,参数量减少51.2%,计算量(FLOPs)减少55.2%,检测速度提升6.5 f/s,mAP提升2.1%。同时,在NWPU VHR-10数据集上验证了其泛化能力。 展开更多
关键词 遥感目标检测 FNM-Net 轻量级 剪枝 改进YOLOv7-tiny SIIM
在线阅读 下载PDF
融合注意力机制的YOLOv8-TS交通标志检测网络 被引量：1
9
作者 黄智渊 方遒 郭星浩 《现代电子技术》 北大核心 2025年第1期179-186,共8页
道路交通标志识别是自动驾驶、车联网的重要组成部分,为进一步提高交通标志检测的精度和速度,提出一种基于YOLOv8s改进的YOLOv8-TS道路交通标志检测网络。首先,对YOLOv8s进行了整体的轻量化设计,并设计了Conv-G7S和CSP-G7S模块,减少了... 道路交通标志识别是自动驾驶、车联网的重要组成部分,为进一步提高交通标志检测的精度和速度,提出一种基于YOLOv8s改进的YOLOv8-TS道路交通标志检测网络。首先,对YOLOv8s进行了整体的轻量化设计,并设计了Conv-G7S和CSP-G7S模块,减少了网络的参数量;其次,设计了CSP-SwinTransformer模块,强化了模型利用窗口内的特征信息进行上下文感知和建模的能力;然后,在颈部网络融合了卷积注意力机制(CBAM),强化了模型对不同通道、空间权重信息的学习;最后,对损失函数进行了改进,提升了边界框回归性能。实验结果表明,在中国道路交通标志TT100K数据集上,精确率(Precision)、平均精度(mAP@0.5)分别提高了6.9%、3.7%,而改进后模型的参数量下降了75.4%,模型的大小仅为5.8 MB,平均精度(mAP@0.5)达到96.5%,检测速度由126.58 f/s提升至136.99 f/s。 展开更多
关键词 交通标志检测 YOLOv8-TS 轻量化 注意力机制 Conv-G7S WIoU
在线阅读 下载PDF
基于尺度改进U-Net的高速运动模糊图像实时恢复
10
作者 陈静文 康军 《现代电子技术》 北大核心 2025年第19期47-51,共5页
为更加实时、准确地捕捉高速运动模糊图像中的不同尺度和频率信息,文中提出高速运动模糊图像实时恢复方法,用于有效恢复高速运动模糊图像中的细节信息。生成器采用多尺度改进U-Net模型,以高速运动模糊图像为输入,生成无限接近于清晰图... 为更加实时、准确地捕捉高速运动模糊图像中的不同尺度和频率信息,文中提出高速运动模糊图像实时恢复方法,用于有效恢复高速运动模糊图像中的细节信息。生成器采用多尺度改进U-Net模型,以高速运动模糊图像为输入,生成无限接近于清晰图像的伪恢复跑步运动图像,并通过在编码部分引入多尺度特征提取模块以避免跑步运动图像特征细节丢失;解码部分引入并行注意力模块以解决模糊程度不一致问题。判别器由多层卷积操作组成,以生成器输出的伪恢复跑步运动图像及清晰图像为输入,通过不断判别伪恢复图像的真实性,提升生成器生成跑步运动图像的真实性,将待恢复的高速运动模糊图像输入至生成器,输出清晰的高速运动图像。实验结果显示,该方法可以实时恢复跑步运动图像的清晰度,且多尺度特征提取以及注意力机制的加入,可以显著提升模糊图像的恢复效果。 展开更多
关键词 多尺度特征 U-Net 高速运动 模糊图像 实时恢复 细节信息 编码器 解码器
在线阅读 下载PDF
基于U-Net网络与卡尔曼滤波的瞳孔检测跟踪算法 被引量：1
11
作者 张国静 王桂祥 《现代电子技术》 北大核心 2025年第9期137-142,共6页
眼动跟踪是人机交互(HCI)及其应用的重要技术之一,越来越受到人们的重视。然而,在实际情况下往往受到大量非高斯噪声的影响,如不可控的光照、人眼的遮挡及连续的人眼移动等,这会导致瞳孔检测实时性和准确性的下降。因此,文中设计了一种... 眼动跟踪是人机交互(HCI)及其应用的重要技术之一,越来越受到人们的重视。然而,在实际情况下往往受到大量非高斯噪声的影响,如不可控的光照、人眼的遮挡及连续的人眼移动等,这会导致瞳孔检测实时性和准确性的下降。因此,文中设计了一种基于U-Net语义分割网络的瞳孔检测方法。首先,利用该方法对瞳孔区域进行分割;然后对分割的瞳孔区域处理,确定其质心位置,达到瞳孔中心定位的目的;最后,又提出了一种改进的卡尔曼滤波器的稳态增益,通过在卡尔曼增益上引入分数阶反馈环路来实现,并利用改进的卡尔曼滤波器对瞳孔位置进行跟踪,消除非高斯噪声,可以大大提高瞳孔在线稳定检测的准确性。实验结果表明,所提方法能够实时跟踪人眼,具有较高的精确度和鲁棒性,且最佳均方根误差(RMSE)可达到0.78。 展开更多
关键词 眼动跟踪 人机交互 非高斯噪声 U-Net网络 语义分割 瞳孔检测 分数阶 卡尔曼滤波
在线阅读 下载PDF
WS-YOLO:航拍视角小目标检测方法 被引量：1
12
作者 王峣 蒋行国 +2 位作者 秦海洋 黎明 刁豪杰 《现代电子技术》 北大核心 2025年第5期68-74,共7页
航拍小目标检测中,由于图像背景复杂、目标尺度小、空间尺度变化大,导致无人机航拍出现漏检、误检等一系列问题。为提高无人机航拍检测准确性、实时性以及实现轻量化,文中基于YOLOv8n提出一种改进的无人机航拍视角小目标检测方法 WS-YOL... 航拍小目标检测中,由于图像背景复杂、目标尺度小、空间尺度变化大,导致无人机航拍出现漏检、误检等一系列问题。为提高无人机航拍检测准确性、实时性以及实现轻量化,文中基于YOLOv8n提出一种改进的无人机航拍视角小目标检测方法 WS-YOLO。首先,重构YOLOv8n网络结构,并增加160×160特征图对应预测头,以提高模型对小尺度目标检测的准确性与鲁棒性;然后,主干网络卷积层后嵌入SPD,防止细粒度信息的丢失并学习不太有效的特征表示,以提高对低分辨率图像的识别能力;最后,将CIoU损失函数替换为WIoU(v3)损失函数,以减轻图片质量低下对检测过程的影响。最终实验结果表明,环境、参数相同情况下,在VisDrone2019数据集与AI-TOD数据集上与原算法相比,WS-YOLO精确度能分别提升8.9%与7.7%,其参数量降低且FPS在合理范围,由此验证了提出的WS-YOLO在无人机航拍视角小目标检测中能够提高有效性。 展开更多
关键词 无人机航拍 轻量化 YOLOv8n SPD WIoU VisDrone2019 AI-TOD
在线阅读 下载PDF
改进YOLOv8的雾天目标检测算法:BRES-YOLO
13
作者 毛涵巍 李士心 +2 位作者 周立明 王鹏 朱致仁 《现代电子技术》 北大核心 2025年第17期85-92,共8页
雾天场景下能见度降低,车辆在雾中捕获的目标信息模糊且不完整,易发生误检与漏检问题,文中提出一种改进YOLOv8的雾天目标检测算法(BRES-YOLO)。首先,引入BiFormer替代骨干特征提取网络,捕获不同的语义特征以提升模型的检测精度;其次,在... 雾天场景下能见度降低,车辆在雾中捕获的目标信息模糊且不完整,易发生误检与漏检问题,文中提出一种改进YOLOv8的雾天目标检测算法(BRES-YOLO)。首先,引入BiFormer替代骨干特征提取网络,捕获不同的语义特征以提升模型的检测精度;其次,在颈部网络中加入EMA模块,以增强模型对目标的关注度,引入SPD-Conv替代原始模型中的Conv,提高在处理低分辨率图像和小目标时的检测性能,使用MPDIoU代替原损失函数,提高检测框的定位精度和分类性能;最后,引入C2f-RepGhost结构替代原有的C2f模块,使模型轻量化,并减小模型的计算复杂度。实验结果表明,与YOLOv8n模型相比,BRES-YOLO模型在RTTS数据集上的平均精度均值mAP@0.5提高了5.8%,mAP@0.5:0.95提高了5.4%。综上所述,BRES-YOLO模型可以更准确地完成雾天场景的目标检测任务。 展开更多
关键词 目标检测 雾天驾驶 YOLOv8 BiFormer 多尺度注意力机制 C2f-RepGhost
在线阅读 下载PDF
基于改进RT-DETR的小目标检测算法
14
作者 王康 王小林 +1 位作者 刘心智 邓健志 《现代电子技术》 北大核心 2025年第13期50-56,共7页
针对小目标检测任务中目标占图片比例小、语义信息少,因此检测中常出现漏检、误检等问题。文中提出一种改进RT-DETR的小目标检测模型,在保证实时性的前提下提高检测性能。首先,对RT-DETR模型中的主干网络进行改进,设计部分重新参数化卷... 针对小目标检测任务中目标占图片比例小、语义信息少,因此检测中常出现漏检、误检等问题。文中提出一种改进RT-DETR的小目标检测模型,在保证实时性的前提下提高检测性能。首先,对RT-DETR模型中的主干网络进行改进,设计部分重新参数化卷积模块,提高了特征提取效率;然后,引入高效多尺度注意力机制,结合空间和跨空间信息聚合的方法,在AIFI编码器中使用HiLo注意力机制,减少了计算成本,提高了检测算法的鲁棒性;最后,在FloW-Img水上小目标数据集上开展实验,结果显示,改进后的RT-DETR模型相较于基线RT-DETR模型在漏检率和误检率方面均有所降低。在测试集上,算法的mAP@0.5指标达到了0.841,mAP@0.5:0.95指标为0.394。相比基线RT-DETR模型,mAP@0.5和mAP@0.5:0.95分别提升了5.5%和3.7%。检测效果优于基线模型与YOLO系列目标检测模型。 展开更多
关键词 小目标检测 RT-DETR模型 PCov TRANSFORMER EMA HiLo注意力机制
在线阅读 下载PDF
基于UAV-YOLO的无人机航拍图像轻量化目标检测算法
15
作者 刘熠龙 张自立 冯冀宁 《现代电子技术》 北大核心 2025年第15期51-56,共6页
针对无人机航拍图像背景复杂、小目标检测精度低、漏检率高等问题,文中基于YOLOv7提出一种针对无人机航拍图像的轻量化目标检测算法(UAV-YOLO)。首先,以部分卷积为基础设计了轻量化卷积PSConv,在保持检测性能的同时使网络更加轻量化;其... 针对无人机航拍图像背景复杂、小目标检测精度低、漏检率高等问题,文中基于YOLOv7提出一种针对无人机航拍图像的轻量化目标检测算法(UAV-YOLO)。首先,以部分卷积为基础设计了轻量化卷积PSConv,在保持检测性能的同时使网络更加轻量化;其次,将下采样模块与注意力机制融合,进而构建了MA-ECA模块;然后,对网络的检测头进行优化,添加了小物体检测头并删除大物体检测头;最后,提出Focal-SIoU损失函数,以进一步提升模型的检测精度。该算法在公开数据集VisDrone2019与UAVDT上进行验证,相比于其他目标检测模型,在降低网络参数量与计算量的同时有效提升了检测精度。 展开更多
关键词 YOLOv7 无人机 小目标检测 轻量化网络 部分卷积 注意力机制
在线阅读 下载PDF
基于VMF-UNet的液基细胞制染机缺陷图像分割
16
作者 田文豪 汪繁荣 乔一航 《现代电子技术》 北大核心 2025年第5期36-42,共7页
为了解决液基细胞制染机的成片效果缺陷识别问题,补偿设备最终成片率,文中提出一种VMF-UNet模型,模型以UNet为基础模型,使用VGG16Net的卷积部分替代UNet神经网络的编码器部分,加入多尺度高效局部注意力机制(MELA),引入特征细化模块(FRM)... 为了解决液基细胞制染机的成片效果缺陷识别问题,补偿设备最终成片率,文中提出一种VMF-UNet模型,模型以UNet为基础模型,使用VGG16Net的卷积部分替代UNet神经网络的编码器部分,加入多尺度高效局部注意力机制(MELA),引入特征细化模块(FRM),解决了图像过分割、欠分割、成片缺陷区域边缘不明显、UNet模型视野受限的问题。实验以医学检验可用性为原则,将显微镜下分割的数据集标准标签作为“金标准”。基于自建液基细胞成片缺陷区图像数据集的实验表明,改进网络在分割时平均交并比(MIo U)、平均像素精确度(MPA)、F1-score与准确率(Accuracy)分别为:82.73%、93.56%、81.93%、96.10%。实验结果证明,VMF-Unet模型对液基细胞制染机成片缺陷区域分割效果更好,可以有效补偿液基细胞制染机的最终成片率,为设备复处理提供有效依据,提高液基细胞制染机的广泛可应用性。 展开更多
关键词 深度学习 语义分割 UNet 注意力机制 缺陷检测 液基细胞制染机
在线阅读 下载PDF
基于LM算法的三维点云与二维图像标定方法
17
作者 吴龙 陶奕帆 +2 位作者 杨旭 徐璐 陈淑玉 《现代电子技术》 北大核心 2026年第1期59-65,共7页
针对激光雷达与相机检测时标定精度不足,导致后续激光雷达点云与相机图像的空间对齐产生误差,影响后续特征匹配、物体检测和三维重建准确性的问题,文中提出一种基于激光雷达三维点云和单目相机的二维图像的标定方法,旨在实现对大规模物... 针对激光雷达与相机检测时标定精度不足,导致后续激光雷达点云与相机图像的空间对齐产生误差,影响后续特征匹配、物体检测和三维重建准确性的问题,文中提出一种基于激光雷达三维点云和单目相机的二维图像的标定方法,旨在实现对大规模物体的精确检测和三维环境重建。该方法首先通过多帧点云数据叠加获得相对密集的点云测量,并利用角点检测算法检测图像中的特征角点;随后使用偏最小二乘法(PLS)对参数进行求解;最后利用LM迭代算法最小化重投影误差,提高标定精度。标定结果表明,SPAAM算法相较于经典方法重投影误差减少8.6%,所提方法相较于经典方法重投影误差减少近38.2%,验证了所提方法的准确性和有效性。 展开更多
关键词 激光雷达 单目相机 标定方法 点云数据 偏最小二乘法 LM迭代算法
在线阅读 下载PDF
基于卷积神经网络的高分辨率遥感影像目标边界提取方法
18
作者 王小红 《现代电子技术》 北大核心 2026年第1期49-53,共5页
为有效应对高分辨率遥感影像遮挡、旋转等因素对目标边界提取效果的影响,文中提出基于卷积神经网络(CNN)的高分辨率遥感影像目标边界提取方法。以卷积神经网络实现高分辨率遥感影像目标边界提取框架为基础,引入了特征增强模块,避免网络... 为有效应对高分辨率遥感影像遮挡、旋转等因素对目标边界提取效果的影响,文中提出基于卷积神经网络(CNN)的高分辨率遥感影像目标边界提取方法。以卷积神经网络实现高分辨率遥感影像目标边界提取框架为基础,引入了特征增强模块,避免网络目标边界浅层、深层特征提取时存在语义信息的表征不足以及丢失细节信息问题;同时,优化网络损失函数,通过预处理目标边界图,将其转化为边界信息的概率图,并设定阈值来排除不确定性像素点,增强模型目标边界提取鲁棒性和精确度。实验结果显示,该方法可实现目标边界精准提取且不易受遥感影像旋转影响,在不同遮挡程度下均具备较为优异的目标边界提取能力。 展开更多
关键词 卷积神经网络 高分辨率遥感影像 目标边界提取 深层特征 特征增强 边界概率图
在线阅读 下载PDF
CNN-LSTM在多模态人体动作识别中的应用研究
19
作者 王童 《现代电子技术》 北大核心 2025年第15期78-82,共5页
针对环境中存在多种类物体,且光照条件、遮挡情况等可能影响动作识别效果的问题,文中提出一种基于CNN-LSTM的多模态人体动作识别方法。采集人体运动时深度图像数据、合加速度两种可以体现人体动作的多模态行为数据,输入CNN模型,经卷积... 针对环境中存在多种类物体,且光照条件、遮挡情况等可能影响动作识别效果的问题,文中提出一种基于CNN-LSTM的多模态人体动作识别方法。采集人体运动时深度图像数据、合加速度两种可以体现人体动作的多模态行为数据,输入CNN模型,经卷积、降采样等处理,提取人体运动深度图像的骨骼关节特征图、合加速度方差特征图,作为人体动作多模态特征样本,输入LSTM模型,结合人体动作的时域性,学习当前多模态特征样本与动作类型之间的仿射变换关系,在全部时间步中,收集LSTM模型输出门输出的动作分类结果,引入投票决策方法,将出现次数最多的分类结果作为多模态人体动作识别结果。实验结果表明,该方法在正常光照、弱光环境中均可准确识别多种人体动作类型。 展开更多
关键词 CNN-LSTM 多模态人体动作 类型识别 Kinect传感器 骨骼关节 惯性传感器 合加速度
在线阅读 下载PDF
基于改进U-Net的细胞核图像分割网络
20
作者 宋文博 祝开艳 +1 位作者 刘通 宋维波 《现代电子技术》 北大核心 2025年第13期29-35,共7页
卷积神经网络(CNN)深度学习架构在生物医学图像分割方面取得了重大突破,并已广泛应用于实际场景。细胞核图像的分割精度对病理诊断有着至关重要的作用。针对现有细胞核分割算法在细胞核边缘的分割上仍旧存在着一定程度的模糊、粘连等问... 卷积神经网络(CNN)深度学习架构在生物医学图像分割方面取得了重大突破,并已广泛应用于实际场景。细胞核图像的分割精度对病理诊断有着至关重要的作用。针对现有细胞核分割算法在细胞核边缘的分割上仍旧存在着一定程度的模糊、粘连等问题,文中提出一种改进型U-Net网络图像分割算法,该模型使用三重注意力模块提高特征关注度,再结合特征融合模块、AG门模块、轻量级的Inception模块等提高模型准确率。在公开数据集DSB2018上验证文中的算法,IoU、DSC等评价指标分别达到81.85%和90.00%,实验结果表明,与其他分割模型相比,文中提出的算法效果更好,分割结果图与真实标记在吻合度上体现出明显优势。 展开更多
关键词 卷积神经网络 深度学习 细胞核分割 U-Net网络 注意力机制 图像分割
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 46 下一页 到第 页
使用帮助 返回顶部